DeepSeek v4.1 flash (max) 成首个在 SWE-sweep 基准超 1% 的开源权重模型

2026.11.14 · 收录日 2026.11.14 · 模型 · 模型评测 · 社区热议

SWE-sweep 榜单更新,DeepSeek v4.1 flash (max) 首次让开源权重模型突破 1%。

SWE-sweep 榜单更新后,DeepSeek v4.1 flash (max) 成为首个在该基准上得分超过 1% 的开源权重模型。该基准要求模型在包含数百个 bug 的大型仓库快照中,无任何提示地找出并修复全部 bug,属于推理密集的长程任务。目前最强闭源模型为 Gemini 4 Hydrogen(13.5%),其次是 GPT Astra 6(9.5%)。

  • DeepSeek v4.1 flash (max) 是首个在 SWE-sweep 上超过 1% 的开源权重模型
  • 该基准给模型一个含数百个 bug 的大型仓库快照,无提示,需全部修复
  • 所有模型在同一 harness 下评测,与 Claude Code、Codex harness 对比未见显著提升
  • 最强闭源模型为 Gemini 4 Hydrogen 13.5%,GPT Astra 6 为 9.5%
  • 评测代码已在 GitHub 开源,榜单仍在扩充更多开源权重模型

为什么值得看

看清开源权重模型在真实修 bug 长程任务上与闭源模型的差距。

适合谁关注

关注 AI 编程、模型评测与开源模型的开发者。

原始来源

查看收录日 2026.11.14 全部卡片 · 全部卡片归档